更改

== 与相关研究的比较 ==

== 与相关研究的比较 ==

===计算力学与因果涌现===

===计算力学与因果涌现===

计算力学的许多概念上都可以在[[因果涌现]]理论框架下找到对应，通过进行两者之间的对应和比较，我们可以拓展对涌现的理解和研究。

计算力学的许多概念上都可以在[[因果涌现]]理论框架下找到对应，通过进行两者之间的对应和比较，我们可以拓展对涌现的理解和研究。

# 计算力学中的状态映射函数<math>\eta </math>可以看作是因果涌现中的粗粒化策略，其中因果态的映射函数<math>\epsilon</math>对应能够最大化有效信息的粗粒化策略。

# 计算力学中的状态映射函数<math>\eta </math>可以看作是因果涌现中的粗粒化策略，其中因果态的映射函数<math>\epsilon</math>对应能够最大化有效信息的粗粒化策略。

# 计算力学中的斑图重构机器（ϵ-machine）和因果涌现中的[[神经信息压缩器|神经信息压缩机]]（NIS+）也有相似的地方，比如斑图重构机器可以识别因果态和预测未来状态，神经信息压缩机可以识别和生成最大化有效信息的宏观态，都能够最大化的保留有用信息。香农熵率在NIS+的框架中可以理解为，宏观动力学预测结果解码后对微观预测的误差的允许程度。这保证了我们得到的宏观动力学不仅简洁，而且保留的确实是对微观预测最有用的信息。

# 计算力学中的斑图重构机器（ϵ-machine）和因果涌现中的[[神经信息压缩器|神经信息压缩机]]（NIS+）也有相似的地方，比如斑图重构机器可以识别因果态和预测未来状态，神经信息压缩机可以识别和生成最大化有效信息的宏观态，都能够最大化的保留有用信息。香农熵率在NIS+的框架中可以理解为，宏观动力学预测结果解码后对微观预测的误差的允许程度。这保证了我们得到的宏观动力学不仅简洁，而且保留的确实是对微观预测最有用的信息。

 

===计算力学与马尔科夫链的成块性理论===

===计算力学与马尔科夫链的成块性理论===